Please use this identifier to cite or link to this item: https://repository.uksw.edu//handle/123456789/32131
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorDewi, Christine-
dc.contributor.authorKamlasi, Oksam M-
dc.date.accessioned2023-12-15T11:30:45Z-
dc.date.available2023-12-15T11:30:45Z-
dc.date.issued2023-10-27-
dc.identifier.urihttps://repository.uksw.edu//handle/123456789/32131-
dc.description.abstractTindakan identifikasi buah memerlukan penegasan dan klasifikasi berbagai varietas buah, didasarkan pada atribut visual mereka. Tugas ini dapat diselesaikan melalui berbagai metode, termasuk inspeksi manual, teknik visi komputer tradisional, dan pendekatan yang lebih maju menggunakan pembelajaran mesin dan pembelajaran mendalam. Pekerjaan kami mengenali 15 jenis buah. Percobaan kami menggunakan dataset citra buah, yang terdiri dari kelas Alpukat, Pisang, Ceri, Apple Braeburn, Apple golden 1, Aprikot, Anggur, Kiwi, Mangga, Jeruk, Pepaya, Persik, Nanas, Delima dan Strawberry. Yolov8 adalah salah satu model pembelajaran paling populer di bidang deteksi objek. Jaringan saraf konvolusional (CNN), sehingga secara bersamaan memprediksi beberapa kotak pembatas dan kelas probabilitas dari kotak pembatas ini. Yolov8 melatih seluruh gambar dan secara langsung mengoptimalkan kinerja deteksi, dimodelkan sebagai jaringan saraf Convolutional (CNN). Persentase deteksi hasil uji menggunakan Yolov8n.pt untuk masing-masing dari 15 kategori gambar buah dengan akurasi rata-rata di atas adalah 0,97%, sehingga dapat dikatakan cukup baik. Setelah mengumpulkan data, pelatihan Train dan implementasi desain sistem algoritma Val Test Convolutional neural networks (CNN) memungkinkan pembelajaran mesin dan berhasil dideteksi menggunakan yolov8n. Selama proses eksperimental, kami menggunakan 100 echops dengan menggunakan Google Collaboratory. Google Collaboratory telah menyediakan GPU hingga 12GB, sehingga memudahkan dan mempercepat proses deteksi buah.id
dc.language.isoiden_US
dc.subjectKlasifikasien_US
dc.subjectYOLOv8en_US
dc.subjectConvolutional Neural Network (CNN)en_US
dc.subjectGoogle Collaboratoryen_US
dc.titleKlasifikasi Buah Otomatis Berdasarkan Pembelajaran Mendalam Menggunakan Yolov8en_US
dc.typeThesisen_US
uksw.departmentTeknik Informatikaen_US
uksw.facultyFakultas Teknologi Informasien_US
uksw.identifier.kodeprodiKODEPRODI55201#Tehnik Informatika-
uksw.identifier.nidnNIDN0613018900-
uksw.identifier.nimNIM672020708-
uksw.programTeknik Informatikaen_US
Appears in Collections:T1 - Informatics Engineering



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.